中文年末書展|繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components:從原子到系統,一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場:社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用:DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用!Word.Excel.PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光:資安數位生存戰$550$412 -
85折
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$544 -
79折
Google BI 解決方案:Looker Studio × AI 數據驅動行銷實作,完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus!職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化!$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略:圖解 AI 與 Copilot 應用,輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word!論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術:用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持!Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!:Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化(iThome鐵人賽系列書)$780$608 -
75折
超實用!業務.總管.人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$375 -
7折
Node-RED + YOLO + ESP32-CAM:AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」:52 個零程式互動體驗,打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare:惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人:回顧從 Ada 到 AI 這條程式路,程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫!用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者:Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本|Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊:生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
本書從解決工作中的實際問題出發,以漫畫形式講解數據分析知識,並提煉、總結工作中常用的Python 數據處理、數據分析實戰方法與技巧。本書力求通俗易懂地介紹相關知識,在不影響學習、理解效果的前提下,盡可能地避免使用晦澀難懂的Python 編程、統計術語或模型公式,如需瞭解相關的知識,可查閱相關的圖書或資料。本書定位是帶領Python 數據分析初學者入門,並能在學習和工作中解決大部分問題,或滿足大部分需求。入門後,讀者如需進一步學習進階技能,可自行擴展閱讀相關圖書或資料。學習是永無止境的,正所謂“師傅領進門,修行在個人”。
目錄大綱
第1 章 數據分析概況
1.1 數據分析定義
1.2 數據分析作用
1.3 數據分析步驟
1.3.1 明確分析目的和思路
1.3.2 數據收集
1.3.3 數據處理
1.3.4 分析數據
1.3.5 數據展現
1.3.6 報告撰寫
1.4 常用的數據分析工具
第2 章 Python 概況
2.1 Anaconda 安裝與使用
2.1.1 Anaconda 簡介
2.1.2 安裝Anaconda
2.1.3 使用Spyder
2.2 變量
2.2.1 變量定義
2.2.2 變量賦值
2.2.3 變量命名
2.3 數據類型
2.3.1 數值型
2.3.2 字符型
2.3.3 邏輯型
2.4 數據結構
2.4.1 列表
2.4.2 元組
2.4.3 字典
2.4.4 序列
2.4.5 數據框
2.5 函數
2.5.1 函數簡介
2.5.2 Python 內置函數
2.5.3 使用函數
2.6 模塊
2.6.1 模塊簡介
2.6.2 Python 標準模塊
2.6.3 使用模塊
2.7 Python 編程註意事項
第3 章 數據處理
3.1 數據導入導出
3.1.1 數據導入
3.1.2 數據訪問
3.1.3 數據導出
3.2 數據清洗
3.2.1 數據排序
3.2.2 重復數據處理
3.2.3 空格數據處理
3.3 數據轉換
3.3.1 數據類型查看
3.3.2 數值轉字符
3.3.3 字符轉數值
3.3.4 字符轉時間
3.3.5 時間轉字符
3.4 數據抽取
3.4.1 字段拆分
3.4.2 記錄抽取
3.5 數據合並
3.5.1 記錄合並
3.5.2 字段合並
3.5.3 字段匹配
3.6 數據計算
3.6.1 簡單計算
3.6.2 時間計算
3.6.3 數據分組
第4 章 數據分析
4.1 對比分析
4.2 描述性分析
4.3 分組分析
4.4 結構分析
4.5 分佈分析
4.6 交叉分析
4.7 矩陣分析
4.8 轉化分析
4.9 RFM 分析
4.10 留存分析
4.11 生命周期價值分析
4.12 簡單線性回歸
第5 章 數據可視化
5.1 數據可視化簡介
5.1.1 什麼是數據可視化
5.1.2 數據可視化常用圖表
5.1.3 通過關系選擇圖表
5.1.4 Python 可視化模塊
5.2 matplotlib 入門
5.3 餅圖
5.4 柱形圖
5.5 條形圖
5.6 折線圖
5.7 面積圖
5.8 散點圖
5.9 矩陣圖
